卷积神经网络中间结果可视化

最新推荐文章于 2024-02-20 10:30:03 发布

adureychloe

最新推荐文章于 2024-02-20 10:30:03 发布

阅读量990

点赞数 1

文章标签：神经网络卷积深度学习可视化

本文链接：https://blog.csdn.net/qq_21643227/article/details/115523050

版权

在PyTorch中，若要保存网络中间层的输出，需使用register_forward_hook()函数。通过创建一个类如ClassActivationData，初始化时在指定层上注册回调函数hook_fn，该函数会捕获并保存层的输出。当不再需要该回调时，调用remove()方法移除。示例中展示了如何获取并显示第二个卷积层的输出。

摘要由CSDN通过智能技术生成

pytorch默认只保存最后一层的输出，中间层输出默认不保存，要提取中间层网络输出值，需要使用回调函数register_forward_hook()，通过传入处理函数，便可以提取和保存特点网络层的输出值。

class ActivationData():
	#网络输出值
	outputs = None
	def __init__(self,layer):
		#在模型的layer_num层上注册回调函数，并传入处理函数hook_fn
		self.hook = layer.register_forward_hook(self.hook_fn)

	def hook_fn(self,module,input,output):
	self.outputs = output.cpu()

	def remove(self):
	#由回调句柄调用，用于将回调函数从网络层删除
	self.hook.remove()

#获取第二个卷积层
conv_out = ActivationOutputData(model.conv2)
#传入图片
o = model(img)
#移除回调函数
conv_out.remove()
#输出图片
for i in range(16):
	ax.imshow(conv_out.outputs[0][i].detach().numpy())